شبکه عصبی مصنوعی و کاربردهای شبکه عصبی

شبکه عصبی مصنوعی یک سامانه پردازشی داده‌ها است که از مغز انسان ایده گرفته و پردازش داده‌ها را به عهدۀ پردازنده‌های کوچک و بسیار زیادی سپرده که به صورت شبکه‌ای به هم پیوسته و موازی با یکدیگر رفتار می‌کنند تا یک مسئله را حل نمایند. در این شبکه‌ها به کمک دانش برنامه نویسی، ساختار داده‌ای طراحی می‌شود که می‌تواند همانند نرون عمل کند. که به این ساختارداده گره گفته می‌شود. بعد با ایجاد شبکه‌ای بین این گره‌ها و اعمال یک الگوریتم آموزشی به آن، شبکه را آموزش می‌دهند. در این حافظه یا شبکه عصبی گره‌ها دارای دو حالت فعال (روشن یا 1) و غیرفعال (خاموش یا 0) اند و هر یال (سیناپس یا ارتباط بین گره‌ها) دارای یک وزن می‌باشد. یال‌های با وزن مثبت، موجب تحریک یا فعال کردن گره غیر فعال بعدی می‌شوند و یال‌های با وزن منفی، گره متصل بعدی را غیر فعال یا مهار (در صورتی که فعال بوده باشد) می‌کنند. (بقیه مطالب در ادامه مطلب)

ادامه نوشته

(بخش دوم) استخراج ویژگی [قالب ها] Shape

در اینجا هدف یافتن جسم خاص از بین تعداد زیادی تصویر می­باشد. قالب (Shape) یکی از مهمترین ویژگی­ها برای توصیف محتویات یک تصویر می­باشد. از این رو بیان قالب تصویر و همچنین توصیف آن کاری دشوار می­باشد. برای به دست آوردن اطلاعات مرزی در مورد قالب شی، ویژگی­های متنوعی پیشنهاد شدند که عبارتند از : هیستوگرام قالب (Signature histogram)، اثر قالب، ثابت­های قالب­، گشتاورها، منحنی­ها، محتویات قالب، ویژگی­های طیفی و غیره. به هر حال این روش­ها به تنهایی برای ارزیابی میزان تاثیرپذیری قالب­ها کافی نمی­باشند. چون این ویژگی­ها می­توانند برخی از ویژگی­های دیگری را که به خوبی می­توانند بین قالب­ها تفکیک­پذیری ایجاد کند را رد می­کنند. در ادامه توضیحات کامل تری ارائه می گردد.

ادامه نوشته